CN110084710B - 确定消息主题的方法及装置 - Google Patents

Abstract

本发明的实施例提供了一种确定消息主题的方法及装置。该确定消息主题的方法包括：从待处理的消息集合中获取具有关联关系的多条消息；生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型用于表示具有不同功能标签的消息包含各种类型的词的概率；基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；根据所述主题标签的词分布概率，确定所述多条消息的主题。本发明实施例的技术方案能够保证得到更加准确的消息主题，提高了确定的消息主题的质量。

Description

确定消息主题的方法及装置

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种确定消息主题的方法及装置。

背景技术

目前，在提取社交媒体中的消息主题时，通常是将每条消息作为一篇文章(例如：微信朋友圈中的每一条状态被看成一篇文章)，然后利用传统的主题模型来抽取消息的主题。由于传统的主题模型主要是基于文章中的词语共现关系来抽取主题的，而社交媒体中的消息过于简短，因此传统的主题模型性能较差，不能抽取到准确的消息主题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种确定消息主题的方法及装置，进而至少在一定程度上克服现有技术中无法准确得到消息主题的问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明实施例的一个方面，提供了一种确定消息主题的方法，包括：从待处理的消息集合中获取具有关联关系的多条消息；生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型用于表示具有不同功能标签的消息包含各种类型的词的概率；基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；根据所述主题标签的词分布概率，确定所述多条消息的主题。

在本发明的一些实施例中，基于前述方案，在从待处理的消息集合中获取具有关联关系的多条消息之前，还包括：将所述待处理的消息集合中的消息按照所述关联关系划分为至少一组消息，所述至少一组消息中的每组消息包含有所述多条消息。

在本发明的一些实施例中，基于前述方案，根据所述主题标签的词分布概率，确定所述多条消息的主题，包括：对所述主题标签的词分布概率进行排序；按照概率从大到小的顺序，选择至少一个主题词作为所述多条消息的主题。

根据本发明实施例的一个方面，提供了一种确定消息主题的装置，包括：获取单元，用于从待处理的消息集合中获取具有关联关系的多条消息；模型生成单元，用于生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型表示具有不同功能标签的消息包含各种类型的词的概率分布；处理单元，用于基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；确定单元，用于根据所述主题标签的词分布概率，确定所述多条消息的主题。

在本发明的一些实施例中，基于前述方案，所述获取单元用于：根据消息之间的回复和/或转发关系，从所述消息集合中获取具有所述回复和/或转发关系的多条消息。

在本发明的一些实施例中，基于前述方案，所述的确定消息主题的装置还包括：消息树生成单元，用于基于所述多条消息之间的回复和/或转发关系，生成所述多条消息对应的消息树。

在本发明的一些实施例中，基于前述方案，所述模型生成单元用于：生成所述多条消息对应的主题标签的多项式分布，所述多条消息对应的主题标签的多项式分布表示各个主题标签在所述多条消息中出现的概率分布；根据所述多条消息对应的主题标签的多项式分布，生成所述多条消息中每条消息对应的主题标签的分布模型。

在本发明的一些实施例中，基于前述方案，所述多条消息对应的主题标签的多项式分布服从狄利克雷分布。

在本发明的一些实施例中，基于前述方案，所述模型生成单元用于：将所述多条消息对应的主题标签的多项式分布作为参数，生成所述每条消息对应的主题标签的多项式分布模型。

在本发明的一些实施例中，基于前述方案，所述模型生成单元用于：生成D维多项式分布π_d，所述D维多项式分布π_d表示所述多条消息组成的消息树上的父节点的功能标签为d时，所述父节点的子节点的功能标签为D种功能标签的概率分布；以所述D维多项式分布π_d为参数，生成所述每条消息对应的功能标签的多项式分布模型。

在本发明的一些实施例中，基于前述方案，所述模型生成单元用于：生成X维多项式分布τ_d，所述X维多项式分布τ_d表示所述多条消息中功能标签为d的消息中包含各种类型的词的概率分布，所述各种类型的词包括主题词和功能词，或者包括主题词、功能词和背景词；以所述X维多项式分布τ_d为参数，生成所述每条消息中的每个词对应的词类别标签的多项式分布模型。

在本发明的一些实施例中，基于前述方案，所述处理单元用于：对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，以得到所述主题标签的词分布概率。

在本发明的一些实施例中，基于前述方案，所述处理单元用于：基于吉布斯采样算法对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样。

在本发明的一些实施例中，基于前述方案，所述处理单元包括：初始化单元，用于随机初始化所述每条消息的主题标签、功能标签和所述每条消息中的每个词的词类别标签；抽样单元，用于在一次迭代的过程中，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，并基于所述每条消息对应的词类别标签的分布模型对所述每条消息中的每个词进行词类别标签的抽样。

在本发明的一些实施例中，基于前述方案，所述抽样单元用于：在所述多条消息中的各条消息的词类别标签，以及所述多条消息中的其它消息的主题标签和功能标签已知的基础上，基于所述主题标签的分布模型和所述功能标签的分布模型对所述每条消息的主题标签和功能标签进行联合抽样。

在本发明的一些实施例中，基于前述方案，所述抽样单元用于：在所述多条消息中的各条消息的词类别标签和主题标签，以及所述多条消息中的其它消息的功能标签已知的基础上，基于所述功能标签的分布模型对所述每条消息的功能标签进行抽样；以及在所述多条消息中的各条消息的词类别标签和功能标签，以及所述多条消息中的其它消息的主题标签已知的基础上，基于所述主题标签的分布模型对所述每条消息的主题标签进行抽样。

在本发明的一些实施例中，基于前述方案，所述抽样单元用于：在所述多条消息中的各条消息的主题标签和功能标签，以及所述多条消息中的其它消息的词类别标签已知的基础上，基于所述词类别标签的分布模型对所述每条消息中的每个词的词类别标签进行抽样。

在本发明的一些实施例中，基于前述方案，所述的确定消息主题的装置还包括：划分单元，用于将所述待处理的消息集合中的消息按照所述关联关系划分为至少一组消息，所述至少一组消息中的每组消息包含有所述多条消息。

在本发明的一些实施例中，基于前述方案，所述确定单元包括：排序单元，用于对所述主题标签的词分布概率进行排序；选择单元，用于按照概率从大到小的顺序，选择至少一个主题词作为所述多条消息的主题。

根据本发明实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的确定消息主题的方法。

根据本发明实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的确定消息主题的方法。

本发明实施例提供的技术方案可以包括以下有益效果：

在本发明的一些实施例所提供的技术方案中，通过从待处理的消息集合中获取具有关联关系的多条消息，进而基于该多条消息来确定消息主题，使得能够基于消息之间的关联关系来对扩充消息的上下文信息，进而能够解决消息量较少而导致确定的主题不准确的问题。同时，由于不同功能标签的消息包含主题词的概率不同(如主题词更可能出现在功能标签为“陈述”的消息中)，因此通过生成每条消息对应的主题标签的分布模型、功能标签的分布模型和用于表示具有不同功能标签的消息包含各种类型的词的概率的词类别标签的分布模型，使得在确定主题标签的词分布概率时，能够考虑到具有不同功能标签的消息包含主题词的概率，以降低非主题词在主题标签的词分布中的概率，进而能够保证得到更加准确的消息主题，提高了确定的消息主题的质量。

在本发明的一些实施例所提供的技术方案中，由于在回复消息或转发消息时，通常会围绕相似或相关的主题，因此通过根据消息之间的回复和/或转发关系，从消息集合中获取具有回复和/或转发关系的多条消息，使得能够基于合理的方式来对消息的上下文进行扩充，进而能够为得到更加准确的消息主题提供数据保障。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了可以应用本发明实施例的确定消息主题的方法或确定消息主题的装置的示例性系统架构的示意图；

图2示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图；

图3示意性示出了根据本发明的一个实施例的确定消息主题的方法的流程图；

图4示意性示出了根据本发明的一个实施例的生成每条消息对应的主题标签的分布模型的流程图；

图5示意性示出了根据本发明的一个实施例的生成每条消息对应的功能标签的分布模型的流程图；

图6示意性示出了根据本发明的一个实施例的生成每条消息对应的词类别标签的分布模型的流程图；

图7示意性示出了根据本发明的一个实施例对主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型进行迭代抽样的流程图；

图8示意性示出了根据本发明的一个实施例的确定消息主题的流程图；

图9示意性示出了根据本发明的一个实施例的对话树的结构图；

图10示意性示出了根据本发明的一个实施例的对社交媒体中的消息进行处理来确定消息主题的流程图；

图11示意性示出了根据本发明的一个实施例的确定消息主题的装置的框图；

图12示意性示出了根据本发明的另一个实施例的确定消息主题的装置的框图；

图13示意性示出了根据本发明的一个实施例的处理单元的框图；

图14示意性示出了根据本发明的一个实施例的确定单元的框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示出了可以应用本发明实施例的确定消息主题的方法或确定消息主题的装置的示例性系统架构100的示意图。

如图1所示，系统架构100可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器。例如用户利用终端设备103(也可以是终端设备101或102)向服务器105上传了待处理的消息集合，服务器105可以从该消息集合中获取具有关联关系的多条消息，然后生成这多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，且该词类别标签的分布模型用于表示具有不同功能标签的消息包含各种类型的词的概率，进而可以基于生成的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，确定主题标签的词分布概率，以根据主题标签的词分布概率，确定该多条消息的主题。

需要说明的是，在图1所示的实施例中，本发明实施例所提供的确定消息主题的方法一般由服务器105执行，相应地，确定消息主题的装置一般设置于服务器105中。但是，在本发明的其它实施例中，终端也可以与服务器具有相似的功能，从而执行本发明实施例所提供的确定消息主题的方案。

图2示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中，还存储有系统操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。

以下部件连接至I/O接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的存储部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入存储部分208。

特别地，根据本发明的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3至图8、图10所示的各个步骤。

以下对本发明实施例的技术方案的实现细节进行详细阐述：

图3示意性示出了根据本发明的一个实施例的确定消息主题的方法的流程图，该确定消息主题的方法适用于前述实施例中所述的电子设备。参照图3所示，该确定消息主题的方法至少包括步骤S310至步骤S340，详细介绍如下：

在步骤S310中，从待处理的消息集合中获取具有关联关系的多条消息。

在本发明的一个实施例中，由于在回复消息或转发消息时，通常会围绕相似或相关的主题，因此可以根据消息之间的回复和/或转发关系，从所述消息集合中获取具有所述回复和/或转发关系的多条消息，这种方式能够合理地对消息的上下文进行扩充，以确保得到更加准确的消息主题。

在本发明的一个实施例中，还可以基于所述多条消息之间的回复和/或转发关系，生成所述多条消息对应的消息树。具体地，可以将每条消息作为一个节点，对于任意一条消息m，如果存在其他的消息m'，满足m'是m的转发或者回复，那么构造一条从m到m'的边，以此来生成消息树。

需要说明的是，上述实施例中是基于回复和/或转发关系来从消息集合中获取多条消息，在本发明的其它实施例中，也可以根据消息是否发自于同一个作者、消息中是否包含有共同的词、消息是否包含某一个标签等来获取具有关联关系的多条消息。

此外，在本发明的一个实施例中，还可以将待处理的消息集合中的消息按照所述关联关系划分为至少一组消息，其中的每组消息包含有多条消息。对于该至少一组消息中的每组消息，都可以按照本发明实施例的技术方案来确定消息主题。

继续参照图3所示，在步骤S320中，生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型用于表示具有不同功能标签的消息包含各种类型的词的概率。

在本发明的一个实施例中，主题标签是用于指示消息主题的；功能标签是用于指示消息的功能，比如陈述、提问题、表达质疑等；词类别标签用于指示消息中词的类型，比如是主题词、功能词或者是背景词(背景词是除功能词和主题词之外的词)等。本发明的实施例通过生成每条消息对应的主题标签的分布模型、功能标签的分布模型和用于表示具有不同功能标签的消息包含各种类型的词的概率的词类别标签的分布模型，使得在确定主题标签的词分布概率时，能够考虑到具有不同功能标签的消息包含主题词的概率，以降低非主题词在主题标签的词分布中的概率，进而能够保证得到更加准确的消息主题，提高了确定的消息主题的质量。

对于主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，本发明的实施例提供了不同的生成方法，具体阐述如下：

生成主题标签的分布模型：

在本发明的一个实施例中，参照图4所示，生成每条消息对应的主题标签的分布模型，包括如下步骤：

步骤S410，生成所述多条消息对应的主题标签的多项式分布，所述多条消息对应的主题标签的多项式分布表示各个主题标签在所述多条消息中出现的概率分布。

在本发明的一个实施例中，所述多条消息对应的主题标签的多项式分布服从狄利克雷分布。比如多条消息对应的主题标签的多项式分布为θ_c，那么θ_c～Dir(α)，其中，Dir(α)表示参数为α的Dirichlet(狄利克雷)分布。

步骤S420，根据所述多条消息对应的主题标签的多项式分布，生成所述多条消息中每条消息对应的主题标签的分布模型。

在本发明的一个实施例中，步骤S420包括：将所述多条消息对应的主题标签的多项式分布作为参数，生成所述每条消息对应的主题标签的多项式分布模型。比如，多条消息对应的主题标签的多项式分布为θ_c，那么每条消息对应的主题标签的多项式分布模型为Multi(θ_c)，Multi(θ_c)表示参数为θ_c的多项式分布。

生成功能标签的分布模型：

在本发明的一个实施例中，参照图5所示，生成每条消息对应的功能标签的分布模型，包括如下步骤：

步骤S510，生成D维多项式分布π_d，所述D维多项式分布π_d表示所述多条消息组成的消息树上的父节点的功能标签为d时，所述父节点的子节点的功能标签为D种功能标签的概率分布；

步骤S520，以所述D维多项式分布π_d为参数，生成所述每条消息对应的功能标签的多项式分布模型。

生成词类别标签的分布模型：

在本发明的一个实施例中，参照图6所示，生成每条消息对应的词类别标签的分布模型，包括如下步骤：

步骤S610，生成X维多项式分布τ_d，所述X维多项式分布τ_d表示所述多条消息中功能标签为d的消息中包含各种类型的词的概率分布，所述各种类型的词包括主题词和功能词，或者包含主题词、功能词和背景词。

在本发明的一个实施例中，如果各种类型的词仅包括主题词和功能词，那么X维多项式分布τ_d为二维多项式分布；如果各种类型的词仅包括主题词、功能词和背景词，那么X维多项式分布τ_d为三维多项式分布。需要说明的是，在本发明的实施例中，词既可以由单独的字组成，也可以由多个字组成(比如可以是词组、短语等)。

步骤S620，以所述X维多项式分布τ_d为参数，生成所述每条消息中的每个词对应的词类别标签的多项式分布模型。

继续参照图3所示，在步骤S330中，基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率。

在本发明的一个实施例中，步骤S330在具体实现时可以包括：对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，以得到所述主题标签的词分布概率。比如可以采用吉布斯采样算法(即Gibbs Sampling)对主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样。

在本发明的一个实施例中，参照图7所示，基于吉布斯采样算法对主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型进行迭代抽样的过程，包括：

步骤S710，随机初始化所述每条消息的主题标签、功能标签和所述每条消息中的每个词的词类别标签；

在本发明的实施例中，吉布斯采用算法是迭代采样的过程，在迭代采样开始之前，需要对主题标签、功能标签和词类别标签进行初始化处理。

步骤S720，在一次迭代的过程中，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，并基于所述每条消息对应的词类别标签的分布模型对所述每条消息中的每个词进行词类别标签的抽样。

以下对一次迭代过程中，如何进行主题标签和功能标签的抽样，以及如何进行词类别标签的抽样进行详细阐述：

对主题标签和功能标签进行抽样的方案：

在本发明的一个实施例中，对每条消息进行主题标签和功能标签的抽样，包括：在所述多条消息中的各条消息的词类别标签，以及所述多条消息中的其它消息的主题标签和功能标签已知的基础上，基于所述主题标签的分布模型和所述功能标签的分布模型对所述每条消息的主题标签和功能标签进行联合抽样。

在该实施例中，可以对主题标签和功能标签进行联合抽样处理。

在本发明的另一个实施例中，对每条消息进行主题标签和功能标签的抽样，包括：在所述多条消息中的各条消息的词类别标签和主题标签，以及所述多条消息中的其它消息的功能标签已知的基础上，基于所述功能标签的分布模型对所述每条消息的功能标签进行抽样；以及在所述多条消息中的各条消息的词类别标签和功能标签，以及所述多条消息中的其它消息的主题标签已知的基础上，基于所述主题标签的分布模型对所述每条消息的主题标签进行抽样。

在该实施例中，可以分开对主题标签和功能标签进行抽样处理。其中，可以先对主题标签进行抽样处理，然后再对功能标签进行抽样处理，或者也可以先对功能标签进行抽样处理，然后再对主题标签进行抽样处理。

对词类别标签进行抽样的方案：

在本发明的一个实施例中，对每条消息中的每个词进行词类别标签的抽样，包括：在所述多条消息中的各条消息的主题标签和功能标签，以及所述多条消息中的其它消息的词类别标签已知的基础上，基于所述词类别标签的分布模型对所述每条消息中的每个词的词类别标签进行抽样。

需要说明的是，在本发明的实施例中，对于一次迭代过程，可以先进行主题标签和功能标签的抽样，然后再进行词类别标签的抽样；或者也可以先进行词类别标签的抽样，然后再进行主题标签和功能标签的抽样。

继续参照图3所示，在步骤S340中，根据所述主题标签的词分布概率，确定所述多条消息的主题。

在本发明的一个实施例中，参照图8所示，步骤S340可以包括如下步骤：

步骤S810，对所述主题标签的词分布概率进行排序；

步骤S820，按照概率从大到小的顺序，选择至少一个主题词作为所述多条消息的主题。

在该实施例中，本发明实施例的技术方案由于考虑了具有不同功能标签的消息包含主题词的概率，降低了非主题词在主题标签的词分布中的概率，进而使得在按照概率从大到小的顺序挑选主题词时，能够保证得到更加准确的主题词。

以下对本发明实施例的一个具体应用场景，以及结合该应用场景如何实施本发明实施例的技术方案进行详细阐述。

在本发明的一个应用场景中，可以对社交媒体中的消息进行处理来确定消息主题，具体包括：将输入的社交媒体消息集合组织成对话树、模型的生成过程、模型的参数学习等过程，以下对这几个过程进行说明：

1、将输入的社交媒体消息集合组织成对话树

当输入一个社交媒体消息集合时，首先基于回复和转发关系把输入数据集当中的消息(以下称之为message)构建为C棵对话树，用图G＝(V,E)表示，其中V表示点集合，E表示边集合。点集合V中的任何一个点m表示一条message，边集合E的构造过程如下：

遍历点集合V中所有的message，对于任意一条message m，如果存在任意一条其他message m'，满足m'是m的转发或者回复，那么构造一条从m到m'的边，插入边集合E当中。需要说明的是，在本发明的实施例中，社交媒体(例如：新浪微博、微信朋友圈等)中每一条message只能回复或者转发最多一条message，因此最终得到的G是一个树林，包含C棵树结构，每一棵树被定义为对话树。

在本发明的一个实施例中，生成的一个对话树的部分结构可以如图9所示，每条消息都是对话树中的一个节点，其中标识有“[O]”的消息表示原创消息(即不是其它消息的回复或转发)，标识有“[Ri]”的消息表示按时间排序后的第i条转发或者回复的消息。

此外，在图9所示的对话树结构中，“<>”中的内容表示该消息的discourse标签(即功能标签)，加粗且字体放大的词为指示消息topic标签(即主题标签)的主题词，加下划线的词为指示消息discourse标签的功能词。本发明实施例的技术方案主要就是通过迭代学习来得到topic词分布和discourse词分布，进而来确定对话树的主题。

本领域技术人员需要理解的是，该实施例中是基于回复和转发关系来构建对话树，在本发明的实施例中还可以仅根据回复关系来构建对话树，或者仅根据转发关系来构建对话树。

2、模型的生成过程

在本发明的实施例中，假设输入的社交媒体消息集合包含K个topic和D个discourse，每一个topic可以用词的多项式分布

表示，每一个discourse可以用词的多项式分布

表示。同时，本发明的实施例中还可以加入了另一个词的多项式分布φ^B来表示非topic和非discourse的信息。

和φ^B的先验分布都是Dir(β)，其中，β表示超参数(在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数)。

假设输入的数据集中包含C棵对话树，每棵对话树c上有M_c条message，其中的每条message(c,m)有N_c,m个词，每个词(c,m,n)在词典中的索引为w_c,m,n，输入的消息集合中所有的词构成的词典大小为V。

在本发明的实施例中，任意一棵对话树c上message(c,m)有两个标签：z_c,m和d_c,m，z_c,m指示message(c,m)属于的topic的索引，其中z_c,m∈{1,2,…K}；d_c,m指示message(c,m)属于的discourse的索引，其中d_c,m∈{1,2,…D}。

由于一个message回复或者转发另一条message时，绝大多数情况下会覆盖相似和相关的主题，因此本发明用一个K维多项式分布θ_c～Dir(α)来刻画K个topic在对话树c上分别出现的概率，而message(c,m)的topic索引z_c,m～Multi(θ_c)，其中的α表示超参数。而为了描述message(c,m)中的discourse标签与其父节点的依赖关系(例如一条消息“提出问题”，那么在它的回复和转发中“回答问题”的可能性要比“质疑”的可能性高)，本发明的实施例用D维多项式分布π_d表示对话树c上的父节点的discourse索引为d时，该父节点的子节点为D种discourse索引的概率，那么message(c,m)的discourse索引

其中pa(m)表示message(c,m)的父节点。

在本发明的实施例中，message(c,m)当中的任何一个词(c,m,n)也有两个标签：x_c,m,n和w_c,m,n。其中，x_c,m,n指示词(c,m,n)的种类，x_c,m,n∈{DISC,TOPIC,BACK}。

当x_c,m,n＝DISC时，词(c,m,n)为功能词，用于指示message(c,m)的discourse，例如消息“你怎么知道的？”中的“怎么”和“？”为功能词，用于指示这条消息的discourse标签为“提问题”。

当x_c,m,n＝TOPIC时，词(c,m,n)为主题词，用于指示message(c,m)的topic，例如消息“小明当选A国总统”中的“小明”、“A国”和“总统”为主题词，用于指示这条消息的主题是有关A国总统竞选的。

当x_c,m,n＝BACK时，词(c,m,n)既不是功能词也不是主题词，例如消息“你怎么知道的？”中的“的”既不是功能词也不是主题词，可以认为是背景词。

而w_c,m,n表示词(c,m,n)在词表当中的索引，当x_c,m,n＝DISC时，

x_c,m,n＝TOPIC时，

当x_c,m,n＝BACK时，w_c,m,n～Multi(φ^B)。在本发明的实施例中，假设词的种类x_c,m,n与message(c,m)的discourse有关，例如message(c,m)的discourse为“陈述”时，含有主题词的可能性要高于“提问题”。因此，

τ_d为3维多项式分布(在该实施例中，词类别包含了主题词、功能词和背景词)，表示discourse标签为d的message中包含功能词(DISC)、主题词(TOPIC)和背景词(BACK)的概率。

总结而言，对于输入的社交媒体消息集合，模型的生成过程如下：

3、模型的参数学习过程

在本发明的实施例中，可以采用吉布斯采样算法对模型中的参数进行迭代学习，在迭代开始之前，对每一条消息的变量z和d进行初始化。

在每一次迭代中，对输入消息集合中的每一条消息的变量z和d按照下述公式(1)抽样：

在公式(1)中，

表示在已知

w、x和θ的基础上，message(c,m)的discourse标签为d、topic标签为k的概率。其中，

表示message(c,m)之外的其它message的discourse标签；

表示message(c,m)之外的其它message的topic标签；w表示输入消息集合中的所有词；x表示词类别(即词为主题词、功能词还是背景词)；θ表示所有超参数的集合，包括α、β、γ、δ。公式(1)中函数I()在“()”中的条件成立时，值为1；在“()”中的条件不成立时，值为0。公式(1)中的其它参数的说明见下述表1。

在每一次迭代中，还需要对输入消息集合中的每一条消息中的每一个词的变量x按照下述公式(2)进行抽样。

在公式(2)中，

表示在已知

d、z、w和θ的基础上，词(c,m,n)的词类别为x的概率。其中，

表示词(c,m,n)之外的其它词的词类别；d表示输入消息集合中消息的discourse标签；z表示输入消息集合中消息的topic标签；w表示输入消息集合中的所有词；θ表示所有超参数的集合，包括α、β、γ、δ。

其中，公式(2)中的函数g(x,c,m)由公式(3)确定：

公式(2)和公式(3)中其它参数的说明见下述表1。

表1

需要说明的是，在表1中，所有的C符号表示的统计个数不包括message(c,m)及其包含的全部词。

当迭代次数足够时，即达到了之前所设的阈值(例如1000次)，可以得到每一个topic的词分布和每一个discourse的词分布。

其中，每一个topic的词分布通过公式(4)计算得到：

每一topic的词分布通过公式(5)计算得到：

需要说明的是，在本发明的实施例中，通过上述公式(1)对每一条消息的变量z和d进行抽样的过程与通过上述公式(2)对每一条消息中的每一个词的变量x进行抽样的过程不分先后顺序，即可以先通过公式(1)抽样每一条消息的变量z和d，再通过公式(2)抽样每一条消息中的每一个词的变量x，也可以先通过公式(2)抽样每一条消息中的每一个词的变量x，再通过公式(1)抽样每一条消息的变量z和d。

上述三个过程在实现时的主要流程参照图10所示，包括如下步骤：

步骤S1001，将输入的社交媒体消息集合组织成对话树。

步骤S1002，随机初始化message上的discourse标签和topic标签，以及词类别标签。

步骤S1003，根据公式(1)抽样message上的discourse标签和topic标签。

步骤S1004，根据公式(2)抽样词上的词类别标签指示词为主题词、功能词还是背景词。

步骤S1005，判断迭代抽样次数是否足够，即是否达到设定的次数。若迭代抽样次数足够，则执行步骤S1006；否则，返回步骤S1003。

步骤S1006，根据公式(4)得到每个topic的词分布，根据公式(5)得到每个discourse的词分布。

在图10所示的实施例中，以先抽样message上的discourse标签和topic标签，后抽样词上的词类别标签为例进行阐述，但是正如上述的说明，在本发明的其它实施例中，也可以先抽样词上的词类别标签，后抽样message上的discourse标签和topic标签。

此外，上述实施例中的公式(1)是对每一条消息的变量z和d进行联合抽样，在本发明的其它实施例中，也可以对每一条消息的变量z和d进行先后抽样，并且变量z和d的抽样顺序不限，即可以先对每一条消息的变量z进行抽样，然后再对每一条消息的变量d进行抽样，也可以先对每一条消息的变量d进行抽样，然后再对每一条消息的变量z进行抽样。当对每一条消息的变量z和d进行先后抽样之后，同样可以得到上述公式(4)和公式(5)。以下对本发明的实施例中如何对变量z和d进行先后抽样进行说明：

在本发明的一个实施例中，可以通过下述公式(6)对每一条消息的变量z进行抽样：

在公式(6)中，

表示在已知d、

w、x和θ的基础上，message(c,m)的topic标签为k的概率。其中，d表示输入消息集合中message的discourse标签；

表示message(c,m)之外的其它message的topic标签；w表示输入消息集合中的所有词；x表示词类别(即词为主题词、功能词还是背景词)；θ表示所有超参数的集合，包括α、β、γ、δ。公式(6)中的其它参数的说明见上述表1。

在本发明的一个实施例中，可以通过下述公式(7)对每一条消息的变量d进行抽样：

在公式(7)中，

表示在已知

z、w、x和θ的基础上，message(c,m)的discourse标签为d的概率。其中，

表示message(c,m)之外的其它message的discourse标签；z表示输入消息集合中message的topic标签；w表示输入消息集合中的所有词；x表示词类别(即词为主题词、功能词还是背景词)；θ表示所有超参数的集合，包括α、β、γ、δ。公式(7)中的函数I()在“()”中的条件成立时，值为1；在“()”中的条件不成立时，值为0。公式(7)中的其它参数的说明见上述表1。

本发明上述实施例的技术方案利用回复和转发关系扩充社交媒体上message的上下文信息，以缓解数据稀疏问题对抽取消息主题带来的不利影响。同时，因为同时学习了discourse信息，利用具有不同discourse标签的message包含主题词的概率的不同，降低了非主题词(即背景词和功能词)在topic词分布中的概率。这样，按照词分布中各词的概率进行从大到小排序之后，排名较高的词多为指示topic的主题词，topic的可解释性得到保证。并且本发明实施例中确定消息主题的方法是完全无监督的，不需要依赖任何人工标注或者额外的大规模数据，可以很容易地应用于任何带有回复和/或转发关系的社交媒体数据集当中，并且能够输出高质量的主题词。

需要说明的是，本发明实施例的技术方案能够广泛应用于社交媒体上的热点事件追踪、微博自动摘要、用户兴趣发现、社交媒体上的推荐系统等任务，并可以直接应用于聊天场景(如微信、QQ中的聊天场景)，以提供更为准确的聊天主题分析。

以下介绍本发明的装置实施例，可以用于执行本发明上述实施例中的确定消息主题的方法。对于本发明装置实施例中未披露的细节，请参照本发明上述的确定消息主题的方法的实施例。

图11示意性示出了根据本发明的一个实施例的确定消息主题的装置的框图。

参照图11所示，根据本发明的一个实施例的确定消息主题的装置1100，包括：获取单元1102、模型生成单元1104、处理单元1106和确定单元1108。

其中，获取单元1102用于从待处理的消息集合中获取具有关联关系的多条消息；模型生成单元1104用于生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型表示具有不同功能标签的消息包含各种类型的词的概率分布；处理单元1106用于基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；确定单元1108用于根据所述主题标签的词分布概率，确定所述多条消息的主题。

图12示意性示出了根据本发明的另一个实施例的确定消息主题的装置的框图。

参照图12所示，根据本发明的另一个实施例的确定消息主题的装置1200，在图11所示的确定消息主题的装置的基础上，还包括划分单元1110。该划分单元1110用于将待处理的消息集合中的消息按照所述关联关系划分为至少一组消息，所述至少一组消息中的每组消息包含有所述多条消息。

在本发明的一个实施例中，图11和图12中所示的获取单元1102用于根据消息之间的回复和/或转发关系，从所述消息集合中获取具有所述回复和/或转发关系的多条消息。在此基础上，图11和图12中所示的确定消息主题的装置还可以包括消息树生成单元，用于基于所述多条消息之间的回复和/或转发关系，生成所述多条消息对应的消息树。

在本发明的一个实施例中，图11和图12中所示的模型生成单元1104用于：生成所述多条消息对应的主题标签的多项式分布，所述多条消息对应的主题标签的多项式分布表示各个主题标签在所述多条消息中出现的概率分布；根据所述多条消息对应的主题标签的多项式分布，生成所述多条消息中每条消息对应的主题标签的分布模型。

在本发明的一个实施例中，所述多条消息对应的主题标签的多项式分布服从狄利克雷分布。

在本发明的一个实施例中，图11和图12中所示的模型生成单元1104用于：将所述多条消息对应的主题标签的多项式分布作为参数，生成所述每条消息对应的主题标签的多项式分布模型。

在本发明的一个实施例中，图11和图12中所示的模型生成单元1104用于：生成D维多项式分布π_d，所述D维多项式分布π_d表示所述多条消息组成的消息树上的父节点的功能标签为d时，所述父节点的子节点的功能标签为D种功能标签的概率分布；以所述D维多项式分布π_d为参数，生成所述每条消息对应的功能标签的多项式分布模型。

在本发明的一个实施例中，图11和图12中所示的模型生成单元1104用于：生成X维多项式分布τ_d，所述X维多项式分布τ_d表示所述多条消息中功能标签为d的消息中包含各种类型的词的概率分布，所述各种类型的词包括主题词和功能词，或者包含主题词、功能词和背景词；以所述X维多项式分布τ_d为参数，生成所述每条消息中的每个词对应的词类别标签的多项式分布模型。

在本发明的一个实施例中，图11和图12中所示的处理单元1106用于：对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，以得到所述主题标签的词分布概率。

在本发明的一个实施例中，图11和图12中所示的处理单元1106用于：基于吉布斯采样算法对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样。

参照图13所示，在本发明的一个实施例中，处理单元1106包括：初始化单元1301和抽样单元1302。

其中，初始化单元1301用于随机初始化所述每条消息的主题标签、功能标签和所述每条消息中的每个词的词类别标签；抽样单元1302用于在一次迭代的过程中，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，并基于所述每条消息对应的词类别标签的分布模型对所述每条消息中的每个词进行词类别标签的抽样。

在本发明的一个实施例中，抽样单元1302用于：在所述多条消息中的各条消息的词类别标签，以及所述多条消息中的其它消息的主题标签和功能标签已知的基础上，基于所述主题标签的分布模型和所述功能标签的分布模型对所述每条消息的主题标签和功能标签进行联合抽样。

在本发明的一个实施例中，抽样单元1302用于：在所述多条消息中的各条消息的词类别标签和主题标签，以及所述多条消息中的其它消息的功能标签已知的基础上，基于所述功能标签的分布模型对所述每条消息的功能标签进行抽样；以及在所述多条消息中的各条消息的词类别标签和功能标签，以及所述多条消息中的其它消息的主题标签已知的基础上，基于所述主题标签的分布模型对所述每条消息的主题标签进行抽样。

在本发明的一个实施例中，抽样单元1302用于：在所述多条消息中的各条消息的主题标签和功能标签，以及所述多条消息中的其它消息的词类别标签已知的基础上，基于所述词类别标签的分布模型对所述每条消息中的每个词的词类别标签进行抽样。

参照图14所示，在本发明的一个实施例中，确定单元1108包括：排序单元1401和选择单元1402。

其中，排序单元1401用于对所述主题标签的词分布概率进行排序；选择单元1402用于按照概率从大到小的顺序，选择至少一个主题词作为所述多条消息的主题。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (15)

1.一种确定消息主题的方法，其特征在于，包括：

从待处理的消息集合中获取具有关联关系的多条消息；

生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型用于表示具有不同功能标签的消息包含各种类型的词的概率；

基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；

根据所述主题标签的词分布概率，确定所述多条消息的主题。

2.根据权利要求1所述的确定消息主题的方法，其特征在于，从待处理的消息集合中获取具有关联关系的多条消息，包括：

根据消息之间的回复和/或转发关系，从所述消息集合中获取具有所述回复和/或转发关系的多条消息。

3.根据权利要求2所述的确定消息主题的方法，其特征在于，还包括：

基于所述多条消息之间的回复和/或转发关系，生成所述多条消息对应的消息树。

4.根据权利要求1所述的确定消息主题的方法，其特征在于，生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，包括：

生成所述多条消息对应的主题标签的多项式分布，所述多条消息对应的主题标签的多项式分布表示各个主题标签在所述多条消息中出现的概率分布；

根据所述多条消息对应的主题标签的多项式分布，生成所述多条消息中每条消息对应的主题标签的分布模型。

5.根据权利要求4所述的确定消息主题的方法，其特征在于，所述多条消息对应的主题标签的多项式分布服从狄利克雷分布。

6.根据权利要求4所述的确定消息主题的方法，其特征在于，根据所述多条消息对应的主题标签的多项式分布，生成所述多条消息中每条消息对应的主题标签的分布模型，包括：

将所述多条消息对应的主题标签的多项式分布作为参数，生成所述每条消息对应的主题标签的多项式分布模型。

7.根据权利要求1所述的确定消息主题的方法，其特征在于，生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，包括：

生成D维多项式分布π_d，所述D维多项式分布π_d表示所述多条消息组成的消息树上的父节点的功能标签为d时，所述父节点的子节点的功能标签为D种功能标签的概率分布；

以所述D维多项式分布π_d为参数，生成所述每条消息对应的功能标签的多项式分布模型。

8.根据权利要求1所述的确定消息主题的方法，其特征在于，生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，包括：

生成X维多项式分布τ_d，所述X维多项式分布τ_d表示所述多条消息中功能标签为d的消息中包含各种类型的词的概率分布，所述各种类型的词包括主题词和功能词，或者包括主题词、功能词和背景词；

以所述X维多项式分布τ_d为参数，生成所述每条消息中的每个词对应的词类别标签的多项式分布模型。

9.根据权利要求1所述的确定消息主题的方法，其特征在于，基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率，包括：

对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，以得到所述主题标签的词分布概率。

10.根据权利要求9所述的确定消息主题的方法，其特征在于，对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，包括：

基于吉布斯采样算法对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样。

11.根据权利要求10所述的确定消息主题的方法，其特征在于，基于吉布斯采样算法对所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型进行迭代抽样，包括：

随机初始化所述每条消息的主题标签、功能标签和所述每条消息中的每个词的词类别标签；

在一次迭代的过程中，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，并基于所述每条消息对应的词类别标签的分布模型对所述每条消息中的每个词进行词类别标签的抽样。

12.根据权利要求11所述的确定消息主题的方法，其特征在于，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，包括：

在所述多条消息中的各条消息的词类别标签，以及所述多条消息中的其它消息的主题标签和功能标签已知的基础上，基于所述主题标签的分布模型和所述功能标签的分布模型对所述每条消息的主题标签和功能标签进行联合抽样。

13.根据权利要求11所述的确定消息主题的方法，其特征在于，基于所述每条消息对应的主题标签的分布模型和功能标签的分布模型，对所述每条消息进行主题标签和功能标签的抽样，包括：

在所述多条消息中的各条消息的词类别标签和主题标签，以及所述多条消息中的其它消息的功能标签已知的基础上，基于所述功能标签的分布模型对所述每条消息的功能标签进行抽样；以及

在所述多条消息中的各条消息的词类别标签和功能标签，以及所述多条消息中的其它消息的主题标签已知的基础上，基于所述主题标签的分布模型对所述每条消息的主题标签进行抽样。

14.根据权利要求11所述的确定消息主题的方法，其特征在于，基于所述每条消息对应的词类别标签的分布模型对所述每条消息中的每个词进行词类别标签的抽样，包括：

在所述多条消息中的各条消息的主题标签和功能标签，以及所述多条消息中的其它消息的词类别标签已知的基础上，基于所述词类别标签的分布模型对所述每条消息中的每个词的词类别标签进行抽样。

15.一种确定消息主题的装置，其特征在于，包括：

获取单元，用于从待处理的消息集合中获取具有关联关系的多条消息；

模型生成单元，用于生成所述多条消息中每条消息对应的主题标签的分布模型、功能标签的分布模型和词类别标签的分布模型，所述词类别标签的分布模型表示具有不同功能标签的消息包含各种类型的词的概率分布；

处理单元，用于基于所述主题标签的分布模型、所述功能标签的分布模型和所述词类别标签的分布模型，确定所述主题标签的词分布概率；

确定单元，用于根据所述主题标签的词分布概率，确定所述多条消息的主题。

Images